基于视频片断的全景图拼接

视频拼接技术作为计算机视觉和计算机图形学两个学科上的交叉研究领域,在近年来得到了极大的关注,成为这两个互补领域的研究焦点之一.视频拼接技术广泛应用于虚拟现实、电影动画或特技、图像分辨率的提高,及视频压缩、视频检索等方面,有着广泛的研究价值和应用领域.利用八参数透射模型解决视频中相同场景图像之间的坐标变换问题,通过光流法求得模型的八个参数并利用求得的参数模型有效地生成全景图.实验结果显示,算法在保持较好拼接效果的同时能降低时间复杂度,适合运用在对实时性要求较高的场合.     

结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法

针对图像超分辨率重建模型需要大量参数去捕获低分辨率（LR）图像和高分辨率（HR）图像之间的统计关系,以及使用L₁或L₂损失优化的网络模型不能有效恢复图像高频细节等问题,提出一种结合感知边缘约束与多尺度融合网络的图像超分辨率重建方法。该方法基于由粗到细的思想,设计了一种两阶段的网络模型。第一阶段通过卷积神经网络（CNN）提取图像特征,并将图像特征上采样至HR大小,得到粗糙特征;第二阶段使用多尺度估计将低维统计模型逐步逼近高维统计模型,将第一阶段输出的粗糙特征作为输入来提取图像多尺度特征,并通过注意力融合模块逐步融合不同尺度特征,以精细化第一阶段提取的特征。同时,该方法引入一种更丰富的卷积特征用于边缘检测,并将其作为感知边缘约束来优化网络,以更好地恢复图像高频细节。在Set5、Set14和BSDS100等基准数据集上进行实验,结果表明与现有的基于CNN的超分辨率重建方法相比,该方法不但能够重建出更为清晰的边缘和纹理,而且在×3和×4放大因子下的峰值信噪比（PSNR）和结构相似度（SSIM）都取得了一定的提升。     

遮挡情况下的多目标跟踪算法*

在视频监控系统中,由于背景的复杂变化,运动目标经常会出现部分或全部被遮挡的情况。为了在遮挡条件下进行多目标跟踪,针对运动目标发生遮挡情况下的Mean Shift跟踪问题进行了研究,提出一种新的抗遮挡算法。利用卡尔曼滤波器来获得每帧Mean Shift算法的起始位置,再利用Mean Shift算法得到目标跟踪位置,通过目标遮挡判定机制和目标搜索机制来解决遮挡问题。实验表明,该算法较好地解决了运动目标的遮挡问题。     

基于自注意力网络的图像超分辨率重建

针对图像超分辨率重建中纹理细节等高频信息恢复的问题，提出一种基于自注意力网络的图像超分辨率重建方法。该网络框架利用两个重建阶段逐步地将图像的精确度从粗到细进行恢复。在第一阶段中，首先将低分辨率（LR）图像作为输入通过一个卷积神经网络（CNN），并输出一个粗精度的高分辨率（HR）图像；然后将粗精度图像作为输入并产生更加精细的高分辨率图像。在第二阶段中，使用自注意力模块计算特征之间所有位置的关联性，通过捕捉特征的全局依赖关系来提高纹理细节的恢复能力。在基准数据集上的实验结果表明，与现有基于深度神经网路的超分辨率重建算法相比，所提算法不仅图像视觉效果最好，而且在数据集Set5和BDSD100上的峰值信噪比（PSNR）平均提高了0.1 dB、0.15 dB，表明该网络可以通过增强特征的全局表达能力来重建出高质量图像。     

重叠视野域内多摄像机目标交换算法

多摄像机之间重叠视野区域内目标交接问题是实现多摄像机监控系统持续目标跟踪的关键,传统方法是在摄像机重叠视野区域内采用特征匹配方法或基于视野分界线的目标交接算法。但是特征匹配计算量较大,受摄像机参数设置因素影响较大,实用性不高。而基于视野分界线的目标交接算法由于新目标的检测存在延时,仅利用该方法来实现一致性标号容易出错。近年来,出现了利用投影不变量,计算目标在相邻摄像机中的投影位置来进行目标交接的方法,取得较好效果。但在多个目标相距较近的情况下,投影过程中产生的误差会造成目标对应错误。文中提出一种投影不变量     

LOS／NLOS环境中融合TOA与RSSI的IMM目标跟踪

针对视距（Line-of-sight,LOS）和非视距（None．1ine—of-sight,NLOS）混合环境中的运动目标跟踪问题,提出一种基于TOA（到达时间）与RSSI（接收信号强度）测量融合的交互式多模型（Interacting Multiple Model,IMM）鲁棒跟踪算法。目标与基站之间的LOS、NLOS传输分别用扩展卡尔曼滤波（EKF）和扩展Hoo滤波（EHF）进行匹配,并采用马尔可夫过程对模型间的转换进行描述。MonteCarlo仿真结果表明,与单纯TOA测量跟踪相比,该算法具有较高的定位精度和较好的跟踪稳定性,且计算复杂度相当,具有较好的可实现性。     

基于模糊识别的汽车目标识别研究与实现

本文结合实际路面状况,将模糊模式识别技术应用到汽车识别中,对汽车特征进行分析,设计了适用于高速公路汽车防撞系统的汽车目标模糊识别算法,并完成相关的系统软硬件设计与实现.     

基于领域特征词加权的文本相似度计算

为了改善一个词可能在多个类别中有较大的互信息而模糊了词的类别信息的问题,提出了一种改进的特征选择方法。该方法利用特征词在不同类别之间的表征差异建立领域特征词(即最能表现一个领域的信息的一系列词)从而可以对用互信息建立的特征集进行再次选择,这样既减少了特征的维数又使特征表示更有效。同时,还设计了一个文本相似度计算系统,系统中改进了传统的tf-idf。实验结果表明,改进的特征选择方法和设计的系统具有良好的性能效果。     

基于梯度指导的双通道深度压缩感知图像重建方法

针对压缩感知重建图像边界部分模糊和畸变的问题,将图像的先验特性与深度学习网络相结合,提出了一种基于梯度指导的双通道深度压缩感知图像重建方法。该方法利用梯度图像和原始图像从边缘和纹理2个方面构建了双通道的深度网络模型。一方面,通过梯度分支来恢复高质量梯度图,为最后的重建图像提供额外的结构先验;另一方面,提出了梯度损失,图像的梯度约束有助于重建网络更专注于几何结构。在原图通道中采用混合卷积残差密集连接模块,扩大感受野的同时提取丰富的细节信息。实验结果表明,本方法与其他方法相比,取得了更高的重建质量,特别是在图像边界部分的恢复上有显著提升。     

一种基于DSP的自适应盲均衡器

论述了一种基于TMS320C6713浮点DSP的自适应盲均衡器的设计,采用CMA算法.对EDMA通道设计进行了介绍,并对DSP编程的一些关键代码进行了介绍,分别给出了Matlab仿真和C代码仿真的结果图形.